视频 1.3在线视频

下面这一个小节

我们来讲讲

随机化原则

和数据的收集方式

前面我们讲过

统计学数据的收集

描述还有推断

提供方法学的基础

首先让我们来谈谈

关于数据收集的那些事

首先就是数据收集的

具体方式

我们前面提到说

统计推断是

统计学的脊梁

要想做一个

非常好的推断

因为我们说统计推断是从

样本对

总体进行猜测这么一个过程

要想做到非常靠谱的

非常科学负责任的推断

首先我们就要保证

我们

收集到的样本

是具有非常好的代表性的

抽样的方法

就变得大有学问

要保证样本的

代表性

怎么办

我们要

引入

随机化的概念

也就是randomization

随机化是

达到良好的样本代表性的

有效途径

它是保证我们可以将

样本特征

安全的

推广到总体的必要条件

那

我们先来谈谈

简单随机抽样

简单随机抽样的英文叫作

Simple random sample

后面我会

只要一谈到统计学的术语

就经常会中英混杂的

给大家讲

没有秀英文的意思

因为我们后面要讲

R的具体使用

你会发现

为了让R好好听咱们的话

很多的指令都是英文的

后面

学得越来越复杂

可能需要R做的操作

越来越难的时候

你经常会

到网络的社区上

去寻求别人的帮助

这个时候

如果你用英文搜索的话

可能会有越来越多的

国际朋友来帮助你

所以术语的英文的

表达是非常重要的

每个同学

在学习整个统计学的过程中

都应该了解所有术语

的英文表达具体是什么样的

简单随机抽样

它是大多数统计推断

方法的发展基础

很多非常高级的统计学的

方法比如说

回归比如说相关性

很多方法的基础都建立

在你的样本

是通过随机化的原则

收取进来的是要

服从简单随机抽样的

这种抽样方法

实际上就是要保证

研究对象

被抽中的概率

是相等的

简单随机抽样的

理念其实

在我们生活之中

无处不在

举一个小例子

比如说我们

每到年会的时候

想抽个大奖

于是乎主持人拿了一个

抽奖箱

我们伸手去抽

其实这个过程是一个

特别特别典型的

简单随机抽样的过程

再比如说你有六个朋友

在家里一起玩

今天决定是谁洗完了

于是乎你去扔骰子

扔骰子的过程也是一个

简单随机抽样的过程

再简单一点

就两个人决定

这两个人中今天谁倒霉

干什么事情

我们怎么办

扔硬币

扔硬币

也是简单随机抽样

这是我们生活中经常

会碰到的简单随机抽样的

体现

那

我们还是要对它进行一个

比较具体的定义

简单随机抽样的

定义是这样的

如果我们用

n来代表样本中

研究对象的数量

称之为样本量

那马对简单随机抽样的

定义是这样的

一个总体中

抽取

n个研究对象的

简单随机样本

与其它相同样本量的

可能样本

被选择的概率

或者是被选择的机会

是相同的

我们再形象点来说

我们每次抽样比如说

今天的研究对象是

全国的

省

和直辖市

那

可能这次抽样

我抽中了

北京天津和上海

怎么把

直辖市都抽中了

下次抽样我抽中的

全是西部地区

新疆

西藏

青海

这三个地方被抽中了

从简单随机抽样

角度上来讲

抽中三个直辖市

北京上海天津的概率

和抽中三个西部地区

青海西藏

新疆的概率

应该是一模一样的

这就是

简单随机抽样的原则

简单随机抽样

有的时候我们

就直接把它简化成

叫作随机抽样

把简单抹去

那有的人

特别把简单又加回去

为什么

是要区别于

一些更复杂的抽样设计

简单随机抽样

体现了公平性的原则

这就大大降低了

样本因为严重偏差而

导致的推断错误

这是一种

特别特别棒的方法

人人都想用

简单随机抽样

它很好它很棒

但是它非常难

是为什么呢

回顾抽奖这件事情

我们每个人都拿了一个号

然后放在抽奖箱里

我们有一个大大的箱子

包含了所有可能被抽中的

本人的信息

于是乎我们抽一个号码

但是在现实的研究中

我们到哪去找这些号码

也就是说我们

用术语说

这个抽样框

太难获得了

抽样框是什么呢

它是一个

包含总体

所有研究对象的

花名册

假设说

你想以一个社区的

居民为研究对象

那什么是你的抽样框

你不得不

跑到街道办事处

或者是跑到

当地的派出所

找到

住在这个区的

所有居民的

户籍资料

假设说

教育社会学研究

我们的研究对象

通常是学校

那我想

研究学校里所有

学生的情况

怎么办

我需要找到

学生的学籍管理部门

管它要所有的

学生的花名册

可以想象

即使是警察局

也不可能

随时

拥有

最新最全最准确的

户籍信息

那对于

社会学研究者来说

这个户籍信息

都不是事了

我们的研究对象

太难找了

比如说

我们的研究问题是

流动人口

比如说我们的

研究问题是

无家可归者

我们到哪去找

这么多的流动人口的

注册信息

到哪去找

无家可归者的花名册

这是简单随机抽样

不可能做到的

所以这是一种很难的方法

但是

假设说我们克服了这个问题

找到了一个特别

最新最全最靠谱的

抽样框

下面我就

要给大家介绍一下

简单的随机抽样

是怎么实现的

传统意义上

我们抽奖的时候

比如说从一个箱子里

去抽

中奖号码

还有

比如说扔硬币

掷骰子其实

都是简单随机抽样

方法

如果你

做的是一个医学研究

我们做医学

研究实验设计的人

可能更习惯于

使用随机数表的方法

现在计算机技术

非常发达

所以我们现代研究

大都是采用

计算机生成

随机数的方法

这种方法

具体怎么实现呢

首先呢

一般我们都为

抽样框中所有的

研究对象要

编码

而且我要确定

每一个编码能够

单独的

定义

每一个人

然后我要

把这些所有的编码

合起来生成一个

包含所有这些编码

的数字的集合

然后从这些集合里

告诉计算机说

我要从这几个数里抽

从这些编号集合中

抽取样本

我们举一个简单的例子

经常有时候

我上课的时候可能

会用R做一些

简单随机抽样

比较损的时候

可能会用R直接

抽一个学号

让学生来回答问题

假设说我的

总体是有100个人

100个人肯定是

100个名字

但是我现在

不管这些名字了

我就

第一个同学就叫1号

2就2号

我编号从

1到100

我生成了一个总体

现在

我希望从总体中

抽取10个人

给R指令

非常简单

你就告诉它说抽样

用sample这个命令

我从

总体

100个人的一个总体里

抽10个人

随机的

R就给我得出了

10个随机数

这一个例子里面

你可以看到

编号第89

第21第37

第68的

个体

被抽中了

这就是计算机

实现随机抽样的

过程

非常非常的简单